Giniho index

Co je Giniho index?

Giniho index, neboli Giniho koeficient, je měřítkem distribuce příjmu v populaci vyvinutým italským statistikem Corradem Gini v roce 1912. Často se používá jako měřítko ekonomické nerovnosti, které měří rozdělení příjmů. nebo méně často rozdělení bohatství mezi populaci. Koeficient se pohybuje od 0 (nebo 0%) do 1 (nebo 100%), přičemž 0 představuje dokonalou rovnost a 1 představuje dokonalou nerovnost. Hodnoty nad 1 jsou teoreticky možné kvůli negativnímu příjmu nebo bohatství.

Porozumění indexu Gini

Země, ve které má každý obyvatel stejný příjem, by mít Giniho koeficient příjmu 0. Země, ve které jeden obyvatel vydělal všechny příjmy, zatímco všichni ostatní nevydělali nic, by měl Giniho koeficient příjmu 1.

Stejnou analýzu lze použít pro rozdělení bohatství („koeficient Giniho bohatství“), ale protože je mnohem obtížnější měřit bohatství než příjem, Giniho koeficienty obvykle odkazují na příjem a vypadají jednoduše jako „Giniho koeficient“ nebo „Giniho index „, aniž by upřesnili, že odkazují na příjem. Bohatství Giniho koeficienty bývají mnohem vyšší než u příjmu.

Giniho koeficient je důležitým nástrojem pro analýzu rozdělení příjmů nebo bohatství v zemi nebo regionu, ale neměl by zaměňovat za absolutní měření příjmu nebo bohatství. Země s vysokými příjmy a země s nízkými příjmy mohou mít stejný Giniho koeficient, pokud jsou příjmy rozděleny obdobně v každé z nich: Turecko a USA měly podle GIN v roce 2016 příjmy Giniho koeficientů kolem 0,39-0,40, podle OECD HDP Turecka na osobu byl méně než polovina HDP USA (v dolarovém vyjádření 2010).

Grafické znázornění Giniho indexu

Giniho index je často graficky znázorněn Lorenzovou křivkou, která ukazuje rozdělení příjmů (nebo bohatství) vynesením populační percentil podle příjmu na vodorovné ose a kumulativní příjem na svislé ose. Giniho koeficient se rovná ploše pod čárou dokonalé rovnosti (0,5 podle definice) minus plocha pod Lorenzovou křivkou, děleno plochou pod čárou dokonalé rovnosti. Jinými slovy, jedná se o dvojnásobnou plochu mezi Lorenzovou křivkou a přímkou dokonalé rovnosti.

V níže uvedeném grafu 47. percentil odpovídá 10,46% na Haiti a 17,42 % v Bolívii, což znamená, že dolní 47% Haiťanů přijímá 10,46% celkového příjmu jejich národa a dolní 47% Bolívijců jejich 17,42%. Rovná čára představuje hypoteticky rovnocennou společnost: dolní 47% přijmout 47% národního důchodu.

K odhadu Giniho koeficientu příjmu pro Haiti v roce 2012 bychom našli plocha pod Lorenzovou křivkou: kolem 0,2. Po odečtení tohoto čísla od 0,5 (plocha pod přímkou rovnosti) dostaneme 0,3, kterou pak vydělíme 0,5. Tím se získá přibližný Gini 0,6 nebo 60%. CIA dává skutečný Gini pro Haiti v roce 2012 jako 60,8% (viz níže). Toto číslo představuje extrémně vysokou nerovnost; nerovnější jsou podle Mikronésie, Středoafrické republiky, Jihoafrické republiky a Lesotha Ding to CIA.

Další způsob uvažování o Giniho koeficientu je mírou odchylky od dokonalé rovnosti. Čím dále se Lorenzova křivka odchyluje od dokonale stejné přímky (což představuje Giniho koeficient 0), tím vyšší je Giniho koeficient a méně rovná se společnost. Ve výše uvedeném příkladu je Haiti nerovnější než Bolívie.

Giniho index kolem světa

Globální Gini

Christoph Lakner ze Světové banky a Branko Milanovic z City University v New Yorku odhadují, že Giniho koeficient globálního příjmu byl v roce 2008 0,705, oproti 0,722 v roce 1988. Údaje se však značně liší. Ekonomové DELTA François Bourguignon a Christian Morrisson odhadují, že v letech 1980 a 1992 to bylo 0,657. Práce Bourguignona a Morrissona ukazují trvalý růst nerovnosti od roku 1820, kdy byl globální Giniho koeficient 0,500.Lakner a Milanovic ukazují pokles nerovnosti na počátku 21. století, stejně jako kniha Bourguignona z roku 2015:

Zdroj: Světová banka.

Ekonomická expanze v Latinské Americe, Asii a východní Evropě způsobila velkou část nedávného poklesu nerovnosti příjmů. Zatímco nerovnost mezi zeměmi v posledních desetiletích poklesla, nerovnost v jednotlivých zemích vzrostla.

Gini v zemích

Níže jsou uvedeny Giniho koeficienty příjmu v každé zemi, pro kterou CIA World Factbook poskytuje údaje:

Některé z nejchudších zemí světa (Středoafrická republika) mají jedny z nejvyšších Giniho koeficientů na světě (61,3), zatímco mnozí z nejbohatších (Dánsko) mají jedny z nejnižších (28,8). Vztah mezi nerovností příjmů a HDP na obyvatele však není Ne dokonalá negativní korelace a vztah se časem měnil. Michail Moatsos z Utrechtské univerzity a Joery Baten z Tuebingen University ukazují, že od roku 1820 do roku 1929 nerovnost mírně vzrostla – poté se zmenšovala – se zvyšujícím se HDP na obyvatele. Od roku 1950 do roku 1970 měla nerovnost tendenci klesat, když HDP na obyvatele vzrostl nad určitou hranici. Od roku 1980 do roku 2000 nerovnost klesala s vyšším HDP na obyvatele, poté se prudce zakřivila.

Korelace mezi Giniho koeficienty a HDP na obyvatele ve třech časových obdobích. Zdroj: Moatsos a Baten.

Nedostatky

Ačkoli je Giniho koeficient užitečný pro analýzu ekonomické nerovnosti, má některé nedostatky. Přesnost metriky závisí na spolehlivých údajích o HDP a příjmech. V každé zemi jsou zastoupeny stínové ekonomiky a neformální ekonomická aktivita. Neformální ekonomická aktivita má tendenci představovat větší část skutečné ekonomické produkce v rozvojových zemích a na spodní hranici příjmů distribuce v rámci zemí. V obou případech to znamená, že Giniho index měřených příjmů nadhodnocuje skutečnou nerovnost příjmů. Přesné údaje o bohatství je ještě obtížnější získat kvůli popularitě daňových rájů.

Další vadou je, že velmi rozdílné rozdělení příjmů může mít za následek identické Giniho koeficienty. Protože se Gini pokouší destilovat dvourozměrnou oblast (mezeru mezi Lorenzovou křivkou a přímkou rovnosti) na jediné číslo, zakrývá informace o „tvaru“ nerovnosti. V každodenních podmínkách by se to podobalo popisu obsahu fotografie pouze jeho délkou podél jednoho okraje nebo jednoduchou průměrnou hodnotou jasu pixelů. Zatímco použití Lorenzovy křivky jako doplňku může poskytnout více informací v tomto ohledu, také nevykazuje demografické rozdíly mezi podskupinami v rámci distribuce, jako je distribuce příjmů napříč věkem, rasou nebo sociálními skupinami. V tomto duchu může být pochopení demografie důležité pro pochopení toho, co daný Giniho koeficient představuje. Například velká populace v důchodu posune Gini výše.